引用▼
本教程展示了如何使用各种图像处理命令来比较两个图像，以确定它们在使用LEADTOOLS SDK的c# Windows控制台应用程序中的相似程度。
| 概述 | |
|---|---|
| 总结 | 本教程介绍如何在c# Windows控制台应用程序中使用各种图像处理命令来比较图像。 |
| 完成时间 | 45分钟 |
| Visual Studio项目 | 下载教程项目(5kb) |
| 平台 | c# Windows控制台应用程序 |
| IDE | Visual Studio 2017, 2019 |
| 开发许可 | 下载LEADTOOLS |
| 用另一种语言试试 |
|
步骤熟悉创建项目的基本步骤添加引用和设置License教程，在工作之前比较图像数据的相似性-控制台c#教程。
中创建的项目的副本开始添加引用和设置License教程。如果您没有该项目，请按照该教程中的步骤创建它。
所需要的参考资料取决于项目的目的。引用可以通过以下两种方法中的一种添加(但不能同时添加)。
如果使用NuGet引用，本教程需要以下NuGet包:
Leadtools.Image.Processing如果使用本地DLL引用，则需要以下DLL。
dll位于< INSTALL_DIR > \ LEADTOOLS22 \ Bin \ Dotnet4 \ x64：
Leadtools.dllLeadtools.Codecs.dllLeadtools.Codecs.Cmp.dllLeadtools.Codecs.Png.dllLeadtools.ImageProcessing.Color.dllLeadtools.ImageProcessing.Core.dllLeadtools.ImageProcessing.Effects.dll有关应用程序需要哪些DLL文件的完整列表，请参阅在你的申请中包含的文件．
许可证解锁项目所需的特性。它必须在调用任何工具箱函数之前设置。有关详细信息，包括针对不同平台的教程，请参阅设置运行时License．
有两种类型的运行时许可证:
请注意
中详细介绍了添加LEADTOOLS NuGet和本地引用以及设置许可添加引用和设置License教程。
随着项目的创建、引用的添加和许可的设置，编码就可以开始了。
方法后，通过计算黑色像素的比例来比较两幅图像CombineCommand与OperationXor标志的所有像素的平均强度StatisticsInformationCommand的平均色相和饱和度值ColorSeparateCommand，各色频幅值之差与的平均值FastFourierTransformCommand．
在解决方案资源管理器,打开Program.cs．将以下语句添加到顶部的using块中Program.cs：
使用系统;使用先;使用Leadtools;使用Leadtools.Codecs;使用Leadtools.ImageProcessing;使用Leadtools.ImageProcessing.Color;使用Leadtools.ImageProcessing.Core;使用Leadtools.ImageProcessing.Effects;
在主要方法添加两个新的字符串变量，并将它们设置为两个单独的图像文件路径，如下所示。为了本教程的目的，您可以下载测试图像在这里．例如，比较1 stred.png与2 ndred.png．
静态无效主要(字符串[]参数)｛字符串image1Filename =@" filepath to first image ";字符串image2Filename =@" filepath to second image ";SetLicense ();// RasterImages是IDisposable的，所以如果以后没有调用.Dispose()，它们必须在使用block中使用(RasterImage image1 = LoadImage(image1Filename))使用(RasterImage image2 = LoadImage(image2Filename))｛控制台。WriteLine ($"图像1:{image1Filename}");控制台。WriteLine ($"Image 2: {image2Filename}\n");CompareXOR (image1 image2);CompareIntensities (image1 image2);CompareHSV (image1 image2);CompareFourier (image1 image2);｝控制台。WriteLine (“按任意键退出…”);控制台。ReadKey (真正的);｝
控件中添加一个新方法程序类命名LoadImage(字符串_filePath)．在内部调用该方法两次使用的声明主要方法调用SetLicense方法，如上所示。将下面的代码添加到LoadImage方法将给定文件加载为RasterImage对象。
静态RasterImage LoadImage (字符串文件名)｛使用(RasterCodecs codecs =新RasterCodecs ())返回codecs.Load(文件名);｝
属性中添加四个新方法程序类命名比较xor (RasterImage image1, RasterImage image2)，比较强度(RasterImage image1, RasterImage image2)，比较hsv (RasterImage image1, RasterImage image2),比较傅立叶(RasterImage image1, RasterImage image2)．方法调用下面的所有四个方法LoadImage方法，在使用语句，如上所示。
添加下面的代码CompareXOR方法。在这种方法中，我们将使用CombineCommand．这将一个图像放在另一个图像上，在一个特定的位置和特定的矩形内。底层图像的像素受覆盖图像影响的方式取决于我们使用的标志。在本例中，我们将使用aLeadRect这是与底部图像相同的大小来使用整个图像。我们将使用OperationXor标志，该标志将对每个图像的上下像素集执行逐位异或操作。这将创建黑色像素，其中两个像素在两个图像的同一位置是相同的，其他地方都是白色的。为了计算两幅图像之间有多少相同，我们将只从黑色像素中创建一个区域，并将其与所有像素的总和进行比较。
私人静态无效比较xor (RasterImage image1, RasterImage image2)｛使用(RasterImage image2Copy = image2.Clone())｛//将图像进行异或合并新CombineCommand ()｛DestinationRectangle =新LeadRect(0,0, image1.)宽度,image1.Height),Flags =组合mandflags。OperationXor,SourceImage = image1，SourcePoint =新LeadPoint (0, 0)} .Run (image2Copy);//计算黑色像素的百分比(其中XOR相同)image2Copy.AddColorToRegion (RasterColor。黑色,RasterRegionCombineMode.Set);双比率= (双)image2Copy. calculateregionarea () / (image2Copy. calculateregionarea。宽度* image2Copy.Height);控制台。WriteLine ($“单个像素:{100.0 *比例:0.00}%匹配”);｝｝
添加下面的代码CompareIntensities方法创建StatisticsInformationCommand，它允许您只在统计种群中包含某个范围或颜色的像素。我们将使用主通道中0-255的所有像素。我们将收集图像的平均值并将两者进行比较，将其缩放为0-1.00而不是0-255。这将给我们平均强度或亮度的差异。
我们还可以使用这个命令通过异或来获得这些图像的差异强度CombineCommand像以前一样。这将通过相同像素值与不同像素值的比值来计算。
私人静态无效比较强度(RasterImage image1, RasterImage image2)｛使用(RasterImage image1Gray = image1.Clone())使用(RasterImage image2Gray = image1.Clone())｛//将两个图像转换为灰度GrayscaleCommand grayscale =新GrayscaleCommand ()｛BitsPerPixel = 8};grayscale.Run (image1Gray);grayscale.Run (image2Gray);//比较总体平均强度statisticinformationcommand statistics =新StatisticsInformationCommand ()｛Channel = RasterColorChannel。主人,End = 255，Start = 0};statistics.Run (image1Gray);双leftIntensity = statistics.Mean;statistics.Run (image2Gray);双rightIntensity = statistics.Mean;双相似度= 1.0 -(数学。Abs(leftIntensity - rightIntensity) / 255.0);控制台。WriteLine ($“整体图像强度:{100.0 *相似度:0.00}%匹配”);//检查差异的强度新CombineCommand ()｛DestinationRectangle =新LeadRect(0,0, image1Gray。宽度,image1Gray.Height),Flags =组合mandflags。OperationXor,SourceImage = image1Gray，SourcePoint =新LeadPoint (0, 0)} .Run (image2Gray);statistics.Run (image2Gray);相似度= 1.0 -(统计。Mean / 255.0);控制台。WriteLine ($“图像差异强度:{100.0 *相似度:0.00}%匹配”);｝｝
添加下面的代码CompareHSV方法将图像分离为色相，饱和度和值通道，而不是红色，绿色和蓝色。这将创建一个DestinationImage对象，其中有三个页面，每个频道一个页面。然后我们可以使用StatisticsInformationCommand通过在分离图像的每一页上运行它，再次找到两张图像的平均色相和饱和度。平均值本质上是图像的亮度，这不是很有用。然后我们可以比较平均色相和饱和度的差异，再次将其从0-255缩放到0-100。
私人静态无效比较hsv (RasterImage image1, RasterImage image2)｛colorseparatcommand colorSeparate =新ColorSeparateCommand ()｛类型= ColorSeparateCommandType。Hsv};statisticinformationcommand statistics =新StatisticsInformationCommand ()｛Channel = RasterColorChannel。主人,End = 255，Start = 0};//分离第一个图像，计算平均值colorSeparate.Run (image1);双image1Hue image1Saturation;使用(RasterImage image1Separated = colorSeparate.DestinationImage)｛image1Separated。Page = 1;statistics.Run (image1Separated);image1Hue = statistics.Mean;image1Separated。Page = 2;statistics.Run (image1Separated);image1Saturation = statistics.Mean;｝//分离第二张图像，计算平均值colorSeparate.Run (image2);双image2Hue image2Saturation;使用(RasterImage image2Separated = colorSeparate.DestinationImage)｛image2Separated。Page = 1;statistics.Run (image2Separated);image2Hue = statistics.Mean;image2Separated。Page = 2;statistics.Run (image2Separated);image2Saturation = statistics.Mean;｝//计算色相差//注意:0在255后面，所以需要进行补偿双hueDiff =数学。Abs(image1Hue - image2Hue);如果(hueDiff > 127)hueDiff =数学。Abs(hueDiff - 255);//记录色调相似度双相似度= 1.0 - (hueDiff / 255.0);控制台。WriteLine ($"平均色相值:{100.0 *相似度:0.00}%匹配");//记录饱和度相似度相似度= 1.0 -(数学。Abs(image1Saturation - image2Saturation) / 255);控制台。WriteLine ($平均饱和度值:{100.0 *相似度:0.00}%匹配);｝
最后，添加下面的代码CompareHSV方法比较两幅图像的频率分布FastFourierTransformCommand．快速傅里叶变换(FFT)的工作原理是将图像从空间域转换到频域，这对于滤除噪声等事情很有用。我们将用它来比较每个频率的幅度。运行命令之后，就可以使用info对象的命令了数据属性来获取复杂的与每个频率相关的数字，计算每个频率的幅度，并计算两个平均值之间的差值。
私人静态无效比较傅立叶(RasterImage image1, RasterImage image2)｛使用(RasterImage image1Copy = image1.Clone())使用(RasterImage image2Copy = image2.Clone())｛//确保图像大小相同如果(image1Copy。宽度!= image2Copy。宽度|| image1Copy。= image2Copy.Height)｛//可以使用最小大小，但我们将它设置为固定的256 * 256size =新SizeCommand ()｛Flags = RasterSizeFlags。双三次的,高度= 256，宽度= 256};size.Run (image1Copy);size.Run (image2Copy);｝//设置快速傅里叶变换数据//注意:我们需要padding标志，这样就可以处理非幂的大小FastFourierTransformCommandFlags = FastFourierTransformCommandFlags。FastFourierTransform| FastFourierTransformCommandFlags。灰色| FastFourierTransformCommandFlags.PadOptimally;FourierTransformInformation image1Info =新FourierTransformInformation (image1Copy fftFlags);FourierTransformInformation image2Info =新FourierTransformInformation (image2Copy fftFlags);//对两个图像应用FFTFastFourierTransformCommand fft =新FastFourierTransformCommand ()｛Flags = fftFlags，FourierTransformInformation = image1Info};fft.Run (image1Copy);fft。FourierTransformInformation = image2Info;fft.Run (image2Copy);//根据每个分量的大小计算频率的相似度双magnitudeTotal = 0;双magnitudeTotalDiff = 0;intlength = image1Info.Data.Length;Complex[] image1Data = image1Info.Data;Complex[] image2Data = image2Info.Data;为（intI = 0;I < length;我+ +)｛//计算每个条目的大小复杂image1Entry = image1Data[i];双image1Magnitude = Math.Sqrt(image1Entry. sqrt)R * image1Entry。R + image1Entry。I * image1entry I);复杂image2Entry = image2Data[i];双image2Magnitude = Math.Sqrt(image2Entry. sqrt)R * image2Entry。R + image2Entry。I * image2entry I);//加上总数magnitudeTotal += image1大小+ image2大小;magnitudeTotalDiff +=数学。Abs(image1Magnitude - image2Magnitude);｝//确保不除以零如果(magnitudeTotal == 0)magnitudeTotal = 1;//记录结果双similarity = (magnitudeTotal - magnitudeTotalDiff) / magnitudeTotal;控制台。WriteLine ($频率比较:{100.0 *相似度:0.00}%匹配);｝｝
使用MemoryStream使用本教程，替换Main ()方法如下:
静态无效主要(字符串[]参数)｛字符串image1Filename =@" filepath to first image ";字符串image2Filename =@" filepath to second image ";试一试｛SetLicense ();Console.WriteLine ();//使用内存流使用(RasterCodecs =新RasterCodecs ())｛// RasterImages是IDisposable的，所以如果以后没有调用.Dispose()，它们必须在使用block中字节[] bytes1 = File.ReadAllBytes(image1Filename);字节[] bytes2 = File.ReadAllBytes(image2Filename);memoryStream1 =新MemoryStream (bytes1);memoryStream2 =新MemoryStream (bytes2);使用(RasterImage image1 = rasterCodecs.Load(memoryStream1))使用(RasterImage image2 = rasterCodecs.Load(memoryStream2))｛控制台。WriteLine ($"图像1:{image1}");控制台。WriteLine ($"图片2:{image2}");Console.WriteLine ();CompareXOR (image1 image2);CompareIntensities (image1 image2);CompareHSV (image1 image2);CompareFourier (image1 image2);｝｝｝抓(异常交货)｛Console.WriteLine (ex.Message);Console.WriteLine (ex.StackTrace);｝Console.WriteLine ();控制台。WriteLine (“按任意键退出…”);控制台。ReadKey (真正的);｝
按下运行项目F5，或选择Debug ->开始调试．
如果正确地执行了这些步骤，应用程序将运行并对两个图像执行多个计算，并将相似性统计信息输出到控制台。
本教程展示了如何使用各种图像处理命令，包括CombineCommand，GrayscaleCommand，StatisticsInformationCommand，ColorSeparateCommand，SizeCommand,FastFourierTransformCommand，得到两幅图像的相似度统计量。